Numerisches Programmieren, Übungen

Ähnliche Dokumente
Numerisches Programmieren, Übungen

8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.

1 2 x x x x x x2 + 83

6 Polynominterpolation

(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)

Numerisches Programmieren, Übungen

6. Polynom-Interpolation

H.J. Oberle Analysis II SoSe Interpolation

Polynominterpolation. Allgemeines Problem: Beispiel 1 (Teil 1):

5 Interpolation und Approximation

KAPITEL 8. Interpolation

Nachklausur am Donnerstag, den 7. August 2008

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.

Polynominterpolation

Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen

Übungsblatt 1 Musterlösung

Klassische Polynom Interpolation.

Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.

19. Januar Universität Erlangen-Nürnberg Department Mathematik PD Dr. Markus Bause. . Danach liefert die Gauss-Elinination. .

8 Polynominterpolation

6. Übungsblatt zur Vorlesung Mathematik I für Informatik

Numerisches Programmieren, Übungen

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

Numerische Integration und Differentiation

Inhalt Kapitel IV: Interpolation

Klausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016

Die Interpolationsformel von Lagrange

Diplom VP Informatik/Numerik 9. September 2000 / Seite 1. Aufgabe 1: L-R-Zerlegung, Nachiteration / Ly = b. y = Rx = y.

D-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 2

Einführung in die numerische Mathematik


Mathematik IT 3 (Analysis) Probeklausur

Numerik für Ingenieure I Wintersemester 2008

3 Interpolation und Approximation

1/26. Integration. Numerische Mathematik 1 WS 2011/12

Approximation durch Polynome

Musterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt

Analysis II. Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg

Übungsblatt 10 Musterlösung

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1.

Klausur,,Algorithmische Mathematik II

Interpolation. Heinrich Voss. TUHH Heinrich Voss Kapitel / 49.

VF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.

Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV Aufgabe N1 (LR-Zerlegung mit Pivotisierung) Gegeben seien R 3.

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

VF-3: Gegeben seien die Daten f(x 0 ), f(x 1 ),..., f(x n ) mit x 0,..., x n paarweise verschiedenen und

Numerische Verfahren

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida

KAPITEL 10. Numerische Integration

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

eps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.

(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =

Numerisches Programmieren, Übungen

Wiederholungsklausur Numerisches Rechnen ( ) (Musterlösung)

Übungsblatt 3 Musterlösung

Numerisches Programmieren, Übungen

UE Numerische Mathematik für LA

A 1 A 2 A 3 A 4 A 5 A 6 A 7

Numerik für Informatiker

Polynominterpolation mit Matlab.

Übungen zu Splines Lösungen zu Übung 20

Practical Numerical Training UKNum

ZWEITE KLAUSUR zur Numerik I mit Lösungen. Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,

Interpolation und Approximation von Funktionen

Numerisches Programmieren

Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)

Interpolation, numerische Integration

Klausur. Physik auf dem Computer SS JP Dr. Axel Arnold Dr. Olaf Lenz Florian Fahrenberger Dominic Röhm 15. August 2012

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016

Interpolation. Kapitel 3

Vorkurs Mathematik WiSe 2017/18

Diplom VP Numerik 27. August 2007

2. Interpolation. Die Lücken der Diskretisierung schließen...

Interpolation und Integration mit Polynomen

Numerische Verfahren und Grundlagen der Analysis

(x x j ) x [a,b] n! j=0

Institut für Geometrie und Praktische Mathematik

Numerische Methoden 7. Übungsblatt

ur Ingenieure (Maschinenbau und Sicherheitstechnik) 2. Semester Apl. Prof. Dr. G. Herbort Dr. T. Pawlaschyk

Institut für Geometrie und Praktische Mathematik

Übungen zur Ingenieur-Mathematik II SS 2017 Blatt Aufgabe 13: Betrachten Sie die Funktion. f(x) =

[5], [0] v 4 = + λ 3

Mathematischer Vorkurs für Physiker WS 2012/13

Interpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr.

A1-1 Kubische Gleichung

2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p

osungen zu Blatt 12 Thema: Rationale und trigonometrische Funktionen

Beispiele. zum Tutorium Numerisches Rechnen und Lineare Algebra WS 2016/2017

Klausur Numerisches Rechnen ( ) (Musterlösung)

Kardinalfunktionen. Florian Badt. 2. Juni Universität des Saarlandes, Saarbrücken

Diplom VP Numerik 21. März 2005

HTL Kapfenberg SPLINE Interpolation Seite 1 von 7.

Freie Universität Berlin Wintersemester 11/12 Fachbereich Mathematik und Informatik Institut für Mathematik Dr. A. Linke

Numerische Verfahren Übungen und Lösungen, Blatt 1

Öffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2016 Klausur

(d) das zu Grunde liegende Problem gut konditioniert ist.

Zuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.

Numerisches Programmieren (IN0019)

Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form

Transkript:

Technische Universität München WiSe 07 / 08 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 3 Übungsblatt: Interpolation ) Interpolation mit Unterschiedliche Basis Funktionen Die Ausgabewerte einer unbekannten Funktion f sind an den Punkten x 0 = 0, x =, x = gegeben: f(0) = 3, f() = 0, f( = Im folgenden untersuchen wir Schätzungen für f ( Geben Sie für das lineare Gleichungssystem für die Interpolation, die Interpolationsfunktion G, die Schätzung von f ( = G (, a) die Polynom-Basisfunktionen g 0 (x) =, g (x) = x, g (x) = x, (Bestimmen Sie, dass die Lösung ( c 0 c c ) T = ( 3 5 ) T ist) b) die folgende trigonometrische Basisfunktionen ( πx ) g 0 (x) =, g (x) = cos, g (x) = cos(πx), (Bestimmen Sie, dass ( ) T die Lösung ist) c) die Tchebycheff-Polynom-Basisfunktionen g 0 (x) =, g (x) = x, g (x) = x, (Bestimmen Sie, dass ( 4 5 ) T die Lösung ist) d) die Lagrange-Basispolynomen l 0, l, l für x 0, x, x (berechnen Sie den zuerst): l j (x) = i j x x i x j x i Vergleichen Sie Ihre Antworten zu a), c) und d)

Lösung: Für Stützpunkte x 0,, x n und Basisfunktionen g 0,, g n, sieht das lineare Gleichungssystem für die Interpolation so aus: a) Polynom-Basisfunktionen: g 0 (x 0 ) g n (x 0 ) c 0 f(x 0 ) = () g 0 (x n ) g n (x n ) f(x n ) 3 Lösungsvektor c = 5 G(x) = x 5x + 3 G ( = b) trigonometrische Basisfunktionen: 0 Lösungsvektor c = G(x) = + cos ( ) πx + cos(πx), G ( ) = + c) Tchebycheff-Polynom-Basisfunktionen: c n 0 0 c 0 3 c = 0 ( 4 c c 0 3 c = 0 (3) c 0 7 4 Lösungsvektor c = 5 G(x) = (x ) 5x + 4 = x 5x + 3 G ( = d) Lagrange-Basispolynome c 0 c c 3 = 0 (4)

(x )(x (x )(x l 0 = = (0 (0 ) (x 0)(x x(x l = = ( ( 0) (x 0)(x ) x(x ) l = = ( 0)( ) 0 0 c 0 3 0 0 c = 0 (5) 0 0 c 3 Lösungsvektor c = 0 G(x) = 3 (x )(x + x(x ) = x 5x + 3 G ( = Vergleich von a), c) und d): Interpolationspolynom ist eindeutig! Polynominterpolation nach Newton Die Newtonschen dividierten Differenzen bieten eine effiziente Möglichkeit, ein Interpolationspolynom p(x) analytisch zu beschreiben (dh seine Koeffizienten zu berechnen) Mit zu interpolierenden Punkten P i = (x i, f(x i )) gelten die folgenden Formeln aus der Vorlesung: [x i ]f = f(x i ) (6) [x i,, x i+k ] f = [x i+,, x i+k ]f [x i,, x i+k ]f x i+k x i (7) Man ordnet die dividierten Differenzen in ein Dreiecksschema: x i i \k 0 x 0 0 [x 0 ]f [x 0, x ]f [x 0, x, x ]f x [x ]f [x, x ]f x [x ]f Damit kann man in der ersten Zeile direkt die Koeffizienten [x 0,, x i+k ]f des Interpolationspolynoms p(x) in der folgenden Gestalt ablesen: n p(x) = [x 0 ]f + [x 0, x ]f (x x 0 ) + + [x 0,, x n ]f (x x i ) (8) i=0

In dieser Aufgabe soll zu den Punkten aus Aufgabe ) ein Interpolationspolynom bestimmt werden P 0 = (0, 3), P = (, 0) und P = (, ) a) Berechnen Sie die Newtonschen dividierten Differenzen für das Interpolationspolynom p(x) mit den Gleichungen (6) - (7) Stellen Sie dazu auch das Dreiecksschema auf und berechnen Sie p(x) mit Hilfe der Formel (8)! b) Nun soll ein zusätzlicher Punkt P 3 = (x 3, f(x 3 )) = (5, 0) zur Interpolation hinzugenommen werden Berechnen Sie die noch fehlenden dividierten Differenzen, erweitern Sie das Dreiecksschema aus Teilfaufgabe b) und geben Sie die Koeffizienten des neuen Gesamtpolynoms q(x) nach Formel (8) an! Lösung: a) Für die Newtonschen dividierten Differenzen ergibt sich: [x 0 ] f = f(x 0 ) = 3 [x ] f = f(x ) = 0 [x ] f = f(x ) = [x 0, x ] f = [x ]f [x 0 ]f x x 0 = 0 3 0 = 3 [x, x ] f = [x ]f [x ]f x x = 0 = [x 0, x, x ] f = [x, x ]f [x 0, x ]f x x 0 = ( 3) 0 = Im Dreiecksschema sieht das folgendermaßen aus: x i i \k 0 0 0 f(x 0 ) = 3 3 f(x ) = 0 f(x ) = Nützen wir nun die Werte [x 0,, x i ]f aus der obersten Zeile des Dreiecks als Koeffizienten des Polynoms in der Darstellung (4), so erhalten wir das Interpolationspolynom p(x) zu n p(x) = [x 0 ]f + [x 0, x ]f (x x 0 ) + + [x 0,, x n ]f (x x i ) = 3 + 3 (x 0) + (x 0)(x ) = x 5x + 3 b) Ein zusätzlicher Punkt P 3 = (x 3, f(x 3 )) = (5, 0) lässt sich (unabhängig von seiner x Position) einfach unten an das Newton-Schema anhängen Man muss nur die noch i=0

fehlenden dividierten Differenzen berechnen: [x 3 ] f = f(x 3 ) = 0 [x, x 3 ] f = [x 3]f [x ]f x 3 x = 0 5 = [x, x, x 3 ] f = [x, x 3 ]f [x, x ]f x 3 x = 5 = [x 0, x, x, x 3 ] f = [x, x, x 3 ]f [x 0, x, x ]f x 3 x 0 = 5 0 = 0 Im Dreiecksschema sieht das folgendermaßen aus: x i i \k 0 3 0 0 f(x 0 ) = 3 3 0 f(x ) = 0 f(x ) = 5 3 f(x 3 ) = 0 Der zusätzliche Term für q(x) besteht dann aus [x 0, x, x, x 3 ]f (x x 0 )(x x )(x x ) = 0 Dass dieser Anteil verschwindet, ist nötig, da der Zusatzpunkt (5,0) auch schon auf dem ersten Interpolationspolynom p(x) liegt! Deswegen muss aufgrund der Eindeutigkeit der Polynominterpolation p(x) = q(x) gelten 3) Polynominterpolation mit Aitken-Neville Das Aitken-Neville Verfahren gibt uns eine Möglichkeit das Interpolationspolynom zu den Punkten P i = (x i, f(x i )), i = 0,, n direkt an einer Stelle x auszuwerten, ohne die tatsächliche Koeffizienten des Polynomes zu berechnen: for i=0:n; p[i,0]:=f_x[i]; end for k=:n for i=0:n-k p[i,k] := p[i,k-] + (x-x[i])/(x[i+k]-x[i])*(p[i+,k-] - p[i,k-]); end end Die sukzessive Berechnung der p[i, k] ist hier im Vergleich zur Vorlesungsfolie äquivalent umgeformt und kann wieder mit einem Dreiecksschema veranschaulicht werden: x i i \k 0 x 0 0 p[0, 0] = y 0 p[0, ] p[0, ] x p[, 0] = y p[, ] x p[, 0] = y

Der Wert des Polynoms p(x) an der Stelle x steht nach Abschluss des Algorithmus in p[0, n] Berechnen Sie den Wert des quadratischen Interpolationspolynoms p(x) an der Stelle x = 05 für die drei Punkte P 0, P, P aus Aufgabe mit dem Aitken-Neville-Algorithmus! Stellen Sie dabei auch das Dreiecksschema auf Wann ist die Berechnung mit Aitken-Neville vorteilhaft und wann nicht? Lösung: Die zu interpolierenden Punkte (hier für alle vier Punkte) sind: x 0 = 0, f(x 0 ) = 3 x =, f(x ) = 0 x =, f(x ) = x 3 = 5, f(x 3 ) = 0 Damit ergibt sich für die Auswertung des Algorithmus (p[i, 0] = f(x i ) ist ja klar): k = : k = : k = 3: p[0, ] = p[0, 0] + x x[0] x[] x[0] p[, ] = p[, 0] + x x[] x[] x[] p[, ] = p[, 0] + x x[] x[3] x[] p[0, ] = p[0, ] + x x[0] x[] x[0] p[, ] = p[, ] + x x[] x[3] x[] p[0, 3] = p[0, ] + x x[0] x[3] x[0] 05 0 (p[, 0] p[0, 0]) = 3 + (0 3) = 5 0 05 (p[, 0] p[, 0]) = 0 + ( 0) = 05 05 (p[3, 0] p[, 0]) = + (0 ) = 5 05 0 (p[, ] p[0, ]) = 5 + ( 05 5) = 0 05 (p[, ] p[, ]) = 05 + ( ( 05)) = 5 05 0 (p[, ] p[0, ]) = + ( ) = 0

Für das Dreicksschema erhält man somit: x i i \k 0 3 0 0 f(x 0 ) = 3 5 f(x ) = 0 05 f(x ) = 5 3 f(x 3 ) = 0 Der Wert von p(x = 05) steht in dem obersten rechten Eintrag (p[0, 3]) des Schemas und passt mit dem echten Polynom p(x) = x 3 5x + 3 an der Stelle x = 05 zusammen Wenn man den Aitken-Neville-Algorithmus schnell im Kopf rechnen möchte/muss (zb bei der Klausur), dann kann man mit ein wenig Übung direkt das Dreiecksschema nützen; dafür stehen dort auch die x i mit dabei Die Auswertung eines Polynoms mit dem Aitken-Neville-Algorithmus ist dann gut, wenn man nicht sehr viele Werte des Polynoms benötigt Sonst ist der Aufwand von O(n ) durch die beiden verschachtelten Schleifen über i und k höher, als wenn man einmal die Polynomkoeffizienten direkt berechnet (zb mit Lagrange oder Newton) und dann die Auswertung über das Horner-Schema (O(n)) macht 4) Runge-Effekt Im letzten Übungsblatt haben wir uns mit Polynominterpolation beschäftigt Hierfür wurde zb das Newtonverfahren verwendet, um ein eindeutiges Polynom n- Grades, oder geringer, zu konstruieren, welches durch alle n gegebenen Stützpunkte verläuft a) Überlegen Sie sich wie das Interpolationspolynom von = +5x (siehe auch Abb ) mit wachsender Zahl von Stüzstellen aussieht b) Was könnte man machen um das Interpolationsergebnis zu verbessern? c) Zeichnen Sie das Ergebnis der verbesserten Methoden in die Abbildung ein! Lösung: a) Siehe Abb rote Kurve b) Interpolationspunkte besser wählen: zb Chebyshev Punkte Stückweise Interpolation: zb stückweise linear (oder auch höhere Ordnungen) c) Siehe Abb grüne und braune Kurven

0 08 06 y 04 0 00 0 05 00 05 0 x Abbildung : Runge Funktion 0 5 interpolated uniform points interpolated Chebyshev interpolated piecewise linear 0 y 05 00 05 0 05 00 05 0 x Abbildung : Runge Funktion with different interpolation strategies 5) Zusatzaufgabe: Fehlerabschätzung Im Abbildung 3 links ist die tatsächliche Funktion f gezeichnet a) Zeichnen Sie das berechnete Interpolationspolynom von ) dazu Wie groß ist der Fehler an der Stelle x = 05? b) Die Formel zur Abschätzung des Interpolationsfehlers p(x) für eine Funktion f C n+ lautet D n+ f(ξ) n p(x) = (x x k ) (n + )! mit ξ [min{x, x 0,, x n }, max{x, x 0,, x n }] Werten Sie den Fehler an der Stelle k=0

x = 05 aus! Verwenden Sie dazu max ξ [0,] D3 f(ξ) = 3543, max ξ [0,] D4 f(ξ) = 0753 4 3 50 00 D 3 D 4 50 0-50 0-00 - 0 05 5 x -50 0 05 5 x Abbildung 3: Die tatsächliche und ihre dritte und vierte Ableitungen Lösung: a) f(05) p(05) = = b) Mit den drei Punkten: p(x) = f(05) p(05) = D 3 f(ξ) 3! = 6 D3 f(ξ) 6 max x [0,] D3 = 3543 6 oder mit den vier Punkten: p(x) = f(05) p(05) = D 4 f(ξ) 4! = 64 D4 f(ξ) (05 0)(05 )(05 (05 0)(05 )(05 5)(05 64 max D 4 = 0753 68 x [0,] 64 Die tatsächliche Funktion war = + cos ( ( πx ) + cos(πx) + ) sin(πx)

4 3 p(x) abs Fehler 0-0 05 5 x Abbildung 4: Die tatsächliche und der absolute Fehler